Precision & Recall -> mAP
- Precision 识别为正确的样本中有多少是真正正确的 - 可以很保守
- TP/(TP+FP)
- Recall 客观正确的样本有多少能被识别出来 - 可以很激进
- TP/(TP+FN)
- 比如医学模型我们需要Recall高一点
- 宁可错杀,不可放过
- 比如买存在故障的东西我们希望Precision高一点
- 保守一点好
混淆矩阵
PR 曲线
- 纵轴是Precision横轴是Recall,定义更直观,但是实际应用起来不如ROC好用(后者能够在样本不均衡的条件下获得更好的效果)
AP
- AP就是PR曲线的AUC
- 由于AP是针对每一个类的,mAP就是所有类的平均
ROC曲线 - 被试者曲线
- 纵轴 Recall - (TP)/(TP+FN) 横轴 FP/(FP+TN)
- 一般是一个阶梯型
AUC值
- 描述的是ROC曲线的 Area Under Curve(曲线下面积)